Ferres, LeonardoElgueta Barrios, PabloRamírez Veas, Patricio2024-02-222024-02-222023https://hdl.handle.net/11447/8409Proyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data ScienceEl 11 de marzo del 2020, se declaró la pandemia en Chile debido al virus Sars-CoV-2, o mejor conocido como COVID-19. Este anuncio trajo varios cambios dentro del país por los últimos tres años, uno de esos cambios es la movilidad que tuvo el país desde el 2020 hasta el 2022, en donde debido a la pandemia el país instauro un plan paso a paso en donde cada comuna tenía sus restricciones a la hora de poder salir a la calle. Debido a esto, la gente en Chile comenzó a salir menos, quedándose en sus casas haciendo cuarentena. Durante la pandemia, se pudo hacer un rastreo del movimiento de las personas gracias a las antenas telefónicas repartidas por todo el país, en donde cada una podía rastrear cuando un teléfono entraba y salía de su señal. Gracias a esto, se puede ver a través de todo el país como la pandemia afecto la movilidad de los chilenos desde el 2020 hasta la actualidad, se puede ver como cada comuna reacciono a este suceso y como cada una fue evolucionando durante el plan Paso a Paso del gobierno de Chile hasta su punto final en donde llego al paso de apertura el 1 de octubre del 2022 hasta el día de hoy. Los datos que se han recopilado durante el 2020 del índice de movilidad de las personas fueron hechos accesibles para poder hacer un análisis futuro acerca de los efectos de este virus y las futuras consecuencias que podría llegar a tener si es que ocurriese otra pandemia similar. Utilizando los datos recopilados, se generó un análisis y exploración de datos el cual cuenta un poco la historia durante la pandemia en el 2020, cuenta cosas como las comunas que más movimiento interno y/o externo tuvieron, además del total de la movilidad llamada el índice de movilidad. Además, se pueden buscar explicaciones a las del por qué el movimiento de las comunas si es que se toman en cuenta los datos socioeconómicos de ella, además de los ambientales, en donde las comunas con mejor estrato socioeconómico tuvieron menos movilidad en contraste a las que más lo tuvieron en donde en ellas si se observó una mayor tasa de movilidad en comparación a la media. Junto con los datos de movilidad, también estaban accesibles los datos del plan Paso a Paso del gobierno de Chile, en donde se podía ver para cada comuna en esa semana en qué fase se encontraban. Este data set fue esencial para este trabajo dado que ayudo mucho en el trabajo del análisis de datos, además del trabajo del modelo de machine learning. Finalmente, se hizo un modelo que fue capaz de predecir un muy buen nivel de precisión los índices de movilidad de las regiones de chile externas a la región metropolitana. Específicamente fueron utilizadas todas las comunas de la Region Metropolitana, y se utilizaron los datos de su índice de movilidad para los días del 2020 desde que comenzó el plan Paso a Paso, en donde las fases para cada día cumplieron un rol muy importante.38 p.esPandemiaChileMovilidadIndicadoresThesis